تشخیص و شناسایی سدهای کنترلی با رویکرد یادگیری عمیق با استفاده از تصاویر ماهواره ای

یادگیری عمیق، پیشرفت های قابل توجهی را در عملیات های تشخیص اشیا در تصاویر در حوزه بینایی کامپیوتر از خود نشان داده است. این پیشرفت ها سبب شده است که یادگیری عمیق به طور گسترده در کاربردهای تشخیص اشیا به خصوص در تصاویر هوایی و ماهواره ای به کار گرفته شود. در این مقاله بررسی بر روی تشخیص و شناسایی سدها با بهره گیری از یادگیری عمیق صورت می گیرد، به طوریکه با استفاده از دادگانی شامل تصاویر ماهواره ای به آموزش مدل یادگیری عمیق پرداخته و با استفاده از برخی روشهای یادگیری عمیق نظیر روشهای مبتنی بر پیشنهاد ناحیه و مکانیزم توجه به شناسایی، مکانیابی و تشخیص انواع سدهای کنترلی می پردازد. لذا در نهایت با معرفی معیار ارزیابی IoU نتایج کمی شناسایی سدها با استفاده از روشهای مورد نظر، مورد بررسی و مقایسه قرار می گیرد. در نهایت نشان داده میشود هر الگوریتم قدرت ها و ضعف های منحصر به فرد خود را داشته است، به طوری که " Mask Scoring RCNN " در تقسیم بندی نمونه برتری داشته است، " Swin Transformer " عملکردقابل توجهی در تشخیص اشیاء داشته است، " DETR " با نتایج رقابتی رویکرد مبتنی بر تبدیل گر نشان داده است و " Deformable DETR " با دقت بهبود یافته در محلیابی، پتانسیل بالقوهای را نشان داده است.